[发明专利]一种基于CNN检测遵章率的路口交通规划系统

说明书

本发明公开了一种基于CNN检测遵章率的路口交通规划系统，分析了当前智能交通系统中，违章检测的不足和缺陷，采用基于CNN的目标检测方法，实时计算路口的遵章率，实现路口智能警力调度，从而完成路口的交通规划，不仅提高了路口违章检测的精度和速度，而且可以同时检测车辆和行人的违章，并且通过计算遵章率实现路口警力的智能调度，极大了节省了人力资源。本专利有利于推进智能交通系统结合当前流行的深度学习算发进行进一步发展，为智能交通系统提供了关键技术方案。

技术领域

本发明涉及交通规划技术领域，主要涉及一种基于CNN检测遵章率的路口交通规划系统。

背景技术

近年来，随着经济的快速发展，人们对交通工具的使用越来越频繁，如何进行有效、准确的交通管理也显得越来越重要。科技的不断进步，使利用智能交通管理系统解决各类交通难题提供了新的思路，从概念、理论和试验阶段发展到大规模的实施阶段，与传统交通运输体系有着明显的区别，如信息化程度高、整体全局性高、系统开放性强、实时动态化等优点。智能交通的发展跟物联网的发展具有密不可分的关系，随着物联网技术的不断发展，智能交通系统越来越完善。智能交通系统是一个技术性很强的系统，与一般技术系统相比，智能交通系统建设过程中的整体性要求更加严格。这种整体性主要体现在：

(1)跨行业：智能交通系统建设涉及众多行业领域，是社会广泛参与的复杂大型系统工程，从而造成复杂的行业间协调问题。(2)技术学科领域复杂：智能交通系统综合了交通工程、信息工程、控制工程、通信技术、大数据、云计算等众多科学领域的成果，需要众多领域的技术人员共同协作。(3)政府、企业、科研单位及高等院校共同参与，恰当的角色定位和任务分担是系统有效展开的重要前提条件。

智能交通管理系统的路口交通智能化目前主要体现在批量对各路口摄像头进行管理，并保存实时的路口监控录像，利用摄像头自动进行车辆违章行为的判定，自动识别违章车辆的车牌、保存违章证据、后台进行违章数据的维护与管理，对于行人过马路，可以自动对行人人脸进行识别，联合后台存储的行人身份信息，进行人脸匹配，从而确定行人具体的身份信息。智能交通管理系统涉及领域众多，包括大数据、图像采集、信息处理、联机通信，需要多个行业进行协调共同开发。

对于路口的车辆违章判定，最初是采用实体线圈方式，将感应线圈埋在路口的车道线下，当车辆在红灯情况下驶过路口，感应线圈就会判定车辆违章，摄像头进行拍照保存。目前感应线圈的技术已经非常成熟，可以准确判定车辆的违章情况。然而，感应线圈由于埋在地下，也造成了一定的问题，需要破坏路面，影响交通，适应性较差，如果当前路口车道需要变更，需要重新排列感应线圈位置，会对路面进行二次伤害，影响使用寿命，同时受环境影响较大，在地表气压以及气温极端的环境下极易损坏，增大了重复施工的工作量。目前，利用虚拟线圈判定车辆违章的方法得到了广泛的使用，通过在摄像头采集图像，对图像进行预处理之后，采用光流法识别图像中车辆的位置，在后端平台上自由划定各类违章的判定区域适应个路口的不同需求，采用虚拟线圈的方法可以识别车辆，车距，车速等各类车辆信息，可同时对多车道进行判定，实现了一定程度上的智能化。

现代大多数交通监控都采用固定位置的摄像头对车辆进行监控，普遍采用光流法，利用红外线光进行光照补偿，然而光流法受光照影响较为严重，并且存在无法识别视频车辆数的弊端，本专利采用基于深度学习卷积神经网络的车辆违章检测方法，通过对卷积神经网络进行训练，生成目标检测模型，结合OpenCV对车辆以及行人同时判断违章行为，并可识别图像中行人以及车辆数。通过图像中的行人、车辆数生成实时的遵章率从而实现警力调度。

卷积神经网络CNN(Convolutional Neural Network)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。在目标检测模块使用卷积神经网络实现目标检测的原理是端到端的检测，考虑到本系统需搭建在移动嵌入式设备上，所以用到了Mobilenet_SSD目标检测模型，采用了SSD目标检测的原理。